BAB I PENDAHULUAN
F. Teknik Analisis Data
Metode analisis data dalam penelitian ini dipergunakan metode kuantitatif bersifat konfirmatori (confirmatory analysis), analisis yang dilakukan untuk membuktikan kebenaran teori yang telah ada. Kesimpulan yang mendukung teori, maka teori dapat diterima kembali untuk dipertahankan. Sifatnya yang konfirmatoris, maka penelitian kuantitatif didasarkan pada kebenaran awal yang menjadi landasan dugaan. Untuk dapat diperoleh hasil analisis kuantitatif dipergunakan regresi berganda dalam formulasi pengaruh kegiatan perbankan syari’ah di Yogyakarta dalam indikatornya: aset, modal, investasi, konsumsi, serta Non Performing
Financing (NPF) terhadap rasio efisiensi perbankan syari’ah di Indonesia
dengan formulasi analisis yang dilakukan untuk menguji hipotesis yang diajukan dalam ordinary least square method (OLS) berdasarkan persamaan sebagai berikut:
Di mana : Y = efisiensi a = konstanta b1,2,3,4,5 = slope X1 = variabel Aset X2 = variabel Modal X3 = variabel Investasi X4 = variabel Konsumsi X5 = variabel NPF = residual
Selanjutnya dari data di atas pengaruh nilai X terhadap nilai Y akan diestimasi dengan pendekatan Ordinary Least Square (OLS). OLS adalah teknik estimasi yang ditemukan untuk mencari berapa setiap perubahan atau perbedaan X diikuti oleh nilai rata-rata Y. OLS bukan satu-satunya pendekatan untuk mengestimasi pengaruh X dan Y, tetapi OLS adalah estimasi yang baik dalam arti menghasilkan estimasi yang tidak bias dan efisien.
1. Uji normalitas ui
Dalam rangka tekni uji ini digunakan uji Jarque Bera, yang memiliki langkah-langkah sebagai berikut (Gujarati, 1995:143-4). Dimana S adalah Skewness (kemencengan) dan K dari Kurtosis (keruncingan), angka perolehan dari SPSS 16.0 dimasukkan ke dalam formulsi Jarque Bera sebagaimana dirumuskan, di bawah ini:
2 2 ) 3 ( 4 1 6 S K k N JB
Sedangkan dari SPSS 16.0 diperoleh hasil perhitungan untuk isian nilai S dan K. Hasil hitung JB kemudian dibandingkan dengan tabel Chi
Square dengan derajat bebas 2. Besarnya nilai chi square (X2) dengan derajat bebas 2 dan level keyakinan 95 pesen = 7,37 dan untuk keyakinan 99 persen = 9,21. Singkatnya jika JB hitung lebih besar dari 9,21, maka data yang diuji tidak normal. Sebaliknya jika nilai JB hitung < 9,21 data termasuk dalam klas distribusi normal.
2. Koefisien Determinasi
Determinasi R2 yaitu koefisien determinasi, dimana R2 menyatakan berapa besar kemampuan variabel-variabel independent, berupa indikator dalam kegiatan perbankan syari’ah di Yogyakarta: aset, modal, investasi, konsumsi, serta Non Performing Financing (NPF) dapat menerangkan pengaruhnya terhadap variabel dependen rasio efisiensi bank syari’ah di Indonesia.
Formula untuk mengukur R2 adalah sebagai berikut (Gujarati, 1995: 76), sebagai berikut:
Dimana Yˆ adalah nilai Y estimate atau estimasi garis regresi dan Y adalah nilai Y rata-rata. Yˆ diperoleh dengan memasukkan nilai parameter b1 dan b2 dan harga X1 dan X2. Nilai adjusted R2 terletak antara 0 sampai
dengan 1, dimana R2 = 0 berarti tidak ada hubungan antara variabel X dan Y, sedang adjusted R2 = 1, menunjukkan hubungan yang sempurna antara X dan Y, yang artinya perubahan X mampu menjelaskan 100% perubahan Y, dengan R2 mendekati 0 berarti model yang digunakan kurang baik.
3. Uji F
Uji statistik F didasarkan untuk mengetahui adanya pengaruh semua variabel independen atau bebas yang pergunakan dalam model secara bersama-sama terhadap variabel dependen/ terikat (Gozhali, 2009: 88-89). Pijakan hipotesisnya adalah:
Ho:b1=b2=...=bk=0 apakah semua variabel bukan penjelas yang signifikan terhadap variabel dependen
Ha:b1≠b2≠...≠bk≠0 semua variabel independen secara simultan merupakan penjelas yang signifikan terhadap variabel dependen
Formulasi untuk menguji kebenaran hipotesis alternatif, yaitu bahwa model pilihan peneliti sudah tepat, maka dilakukan uji F dengan prosedur berikut (Gujarati, 1995: 249),
1
( ) ) 1 ( 2 2 k n R k R F Dalam uji F juga dapat dilihat apakah model regresi tersebut baik atau tidak yaitu dengan melihat nilai signifikan F-nya. Apabila nilai
signifikan F lebih kecil dari α atau, jika hasil F hitung sudah lebih besar dari 4, maka model yang diuji dengan pilihan variabel di atas sudah tepat (fit) dikarenakan distribusi nilai F hanya searah kearah positif berarti model regresi yang digunakan baik (valid). Sebaliknya apabila nilai signifikan F lebih besar dari α, jika hasil F hitung sudah lebih kecil dari 4, berarti model regresi yang digunakan kurang baik (tidak valid).
4. Uji t
Bertujuan untuk melihat pengaruh masing-masing variabel bebas dapat menjelaskan perubahan variabel terikat, yaitu dengan membandingkan nilai koefisien yang ada pada kolom signifikan sesuai masing-masing variabel bebasnya dengan batas normal/ koefisien alfa-nya 5%. Untuk dapat melakukan uji t, perlu menghitung besaralfa-nya standar
error masing-masing parameter (Gujarati, 2003: 129). Pengaruh suatu
variabel adalah signifikan jika, t ≥ 2 atau t ≤ -2, maka hubungan atau pengaruh variabel penjelas terhadap variabel yang diteliti exis atau ada, maka dapat dikatakan bahwa ada hubungan yang kuat antara variabel-variabel independen dalam indikator perbankan syari’ah di Yogyakarta, berupa: aset, modal, investasi, konsumsi, serta Non Performing Financing
(NPF), sedangkan sebagai variabel dependen -- dalam menerangkan
efisiensi dalam rasio BOPO atas kegiatan perbankan syari’ah di Indonesia.
5. Uji Asumsi Ordinary Least Square (OLS)
Sebagai alat uji asumsi OLS dipergunakan,
a. Autokorelasi, yang mana akan terjadi apabila nilai variabel masa lalu memiliki pengaruh terhadap nilai variabel masa kini, atau masa datang. Konsekuensi dari keberadaan otokorelasi adalah metode regresi OLS akan menghasilkan estimasi yang terlalu rendah untuk nilai variasi ut dan karenanya menghasilkan estimasi yang terlalu tinggi untuk R2. Bahkan ketika estimasi nilai variasi
ut tidak terlalu rendah, maka estimasi dari nilai variasi dari
koefisien regresi mungkin akan terlalu rendah dan karenanya akan signifikansi dari uji t dan uji F tidak valid lagi atau menghasilkan konklusi yang menyesatkan (Gujarati, 1995:411, Johnston dan DiNardo, 1997:185-7).
Alat uji Autokorelasi dipergunakan Uji Durbin Watson dalam formula, sebagai berikut:
n t t n t t t u u u d 2 2 2 2 1 ˆ ) ˆ ˆ (Ho : tidak terdapat masalah otokorelasi dalam model
Ha : terdapat masalah otokorelasi dalam model
Dengan menggunakan tingkat signifikansi () sebesar 0,05, serta tabel nilai statistik d ditentukan nilai DL dan DU pada tingkat signifikansi 0,05 atau 0,01 dengan derajat kebebasan (k) adalah jumlah variabel independen dalam model tanpa konstanta, dan n adalah banyaknya data. Kriteria pengujian dapat dibuat dengan bantuan gambar berikut:
Tabel 3.2.
Kriteria Pengujian Durbin Watson
Jadi kriteria pengujiannya adalah: tolak H0, dengan kesimpulan terdapat otokorelasi positif bila d < DL; tolak H0 dengan kesimpulan terdapat otokorelasi negatif bila d > 4 – DL. Uji Durbin Watson tidak menghasilkan kesimpulan apabila DL d
DU atau 4 – DU d 4 – D
L. H0 diterima bila DU < d < 4 – DU. b. Heteroskedastisitas (Metode White), konsekuensi dari keberadaan
heteroskedastisitas adalah metode regresi OLS akan menghasilkan estimator yang bias untuk nilai variasi residual dan dengan
DL DU 2 4 - DU 4 - DL 0 4 H0 diterima H0 ditolak (-) H0 ditolak (+) Ragu-ragu Ragu-ragu
demikian variasi dari koefisien regresi, akibatnya uji t, uji F dan estimasi nilai variabel dependen menjadi tidak valid (Gujarati, 1995:366, Johnston dan DiNardo, 1997:166-7). Dengan metode Uji White dilakukan langkah-langkah sebagai berikut (Gujarati, 1995:379), diformulasikan hipotesis, bahwa:
Ho : tidak terdapat masalah heteroskedastisitas dalam model Ha : terdapat masalah heteroskedastisitas dalam model
c. Multikolinieritas, merupakan korelasi linear yang perfect atau eksak di antara variabel penjelas yang dimasukkan ke dalam model, jika antara X1, X2, X3, X4 atau X5 memiliki korelasi tinggi, maka hal tersebut mengindikasikan adanya problem
multikolinearitas. Dapat juga dikatakan apabila korelasi antara X
lebih besar dari korelasi X dan Y, maka variabel bebas tersebut mengindikasikan multikolinear.
Apabila terdapat Ri2 > R2 berarti terdapat masalah multikoliniaritas yang serius, dengan variabel independen dalam model lumayan banyak dihitung masing-masing Ri2 dengan cara meregres auxiliary regression secara satu per satu. Hal ini dapat diatasi dengan rumus Ri2 = 1 – TOLi. TOL adalah Tolerance melalui Program SPSS dapat dilakukan perhitungan nilai TOL
(Tolerance) dan beberapa nilai lain seperti VIF (Variance Inflation
Factor) dan CI (Condition Index).